Machina spera, novit quid sit facere

Renovatio: die 1 Iunii, 2021
Machina spera, novit quid sit facere

Apparatus eruditionis, cum in scientia climatis adhibita cognitionem systematis climatis aedificat actualem. Hoc modo confidere possumus apparatus studiorum et ulteriorum applicationum in scientia climatis, dicunt auctores.

Homo vel machina

Magnae, complexae climatis exempla saepe impossibilia sunt ad operandum, prout opus est per menses in supercomputatoribus currere. Velut joco, phisici climatis exempla simpliciores saepe student.

Fere duo diversae rationes ad exempla climatis simpliciorem adhibentur: A summo-down accessus ubi periti climatis aestimant quid impetus functionum relictarum partium in exemplar imminuto conservatas habebit. Accedere solum-et, ubi notitia climatis alitur machinae programmatis discendi, quae systema climatis tunc simulat.

Duo modi eveniunt comparabiles exitus. Difficillimum est tamen problema ut physice intelligant data-acti (bottom-up) accessus ut plene confidat. Num machinae programmata discendi 'intellegunt' eas tractantes cum implicato systemate dynamicali, an simpliciter bona sunt peraeque rectas responsiones coniecturas?

Intelligentes solution

Nunc, coetus scientiarum analytice et simulationibus computatoriis utens, machinam discendi programmatis empirici Model Reductionis (EMR) re vera scit quid agat. Studium ostendit hoc programmatum computatorium comparabiles eventus ad summo-down reductiones exemplorum ampliorum attingere, quod apparatus discendi suam versionem exemplar climatis in programmate suo construit.

"Quae in hac investigatione agimus censeo aliquod quoddam documentum physicum praebere cur opera haec particularia protocolli-acti sint. Et quod mihi satis significanter, quia modus in scientiis atmosphaericis fuit satis diu. Adhuc multum erat hiatus in intellectu methodologiae,” says Ph.D. discipulus Emmanuel Santos Gutiérrez.

Hortatur et utilis

Studium indicat machinam methodi discendi dynamice et physice sanam et robustas simulationes producit. Iuxta auctores, hic promovere debet ulteriorem usum methodorum datarum agitatarum in scientia climatis necnon in aliis scientiis.

“Est valde hortatur gradum. Quia in aliquo sensu significat modum notitiae agitatae intelligens. Non datar aemulator. Exemplar est quod processus dynamicas capit. Res post datam recondere potest. Et quod has theoreticas derivationes indicat, rem tibi utilem algorithmice det,” inquit Valerio Lucarini, professori statisticae Mechanicae in Universitate Lectione.

Effectus magni momenti est in campis amplis: mathematica applicata, physica statistica; Data scientia, climatis scientia, et multiplex ratio scientiae. Et implicationes habebit in amplis contextuum industrialium, in quibus implicatae, dynamicae rationes investigantur, sed tantum notitiae partiales perviae sunt — sicut machinatio aeroplanorum, navium, ventorum turbines, vel in exemplaribus negotiationis, energiae industriae, retiacula distributio.